讓你的隊列操作更高效的方法

一、使用deque代替list

Python提供了兩種結構來實現隊列：list和deque。list在 Python 中實現的是一個支持動態數組大小的順序表，而deque實現了一個雙向隊列，它除了實現了普通隊列的所有方法外，還實現了在線性時間複雜度內在隊列兩端插入(也就是說在最左邊插入和在最右邊插入)元素的方法。

對比list，在進行任何元素的插入或者取出操作時，都會導致一些元素的「移動」，這樣就會帶來O(n)的複雜度，雖然對於小規模的數據並不會有很大的影響，但是當數據規模變大時就會變得不太優秀，更進一步，雙向隊列的實現有利於各種類型的算法。

下面是使用deque代替list的示例代碼:

from collections import deque
  
queue = deque()
queue.append(1)
queue.append(2)
queue.append(3)
queue.popleft()

二、使用隊列實現廣度優先搜索(BFS)

BFS(廣度優先搜索)是一種在樹、圖等數據結構中很常見的搜索算法，廣泛應用於最短路徑、拓撲排序等領域。BFS基於隊列先進先出的特性，使用隊列可幫助我們快速且高效地實現BFS算法。

下面是使用隊列實現BFS的示例代碼:

from collections import deque

def bfs(graph, start_node):
    visited = []
    queue = deque([start_node])

    while queue:
        node = queue.popleft()
        if node not in visited:
            visited.append(node)
            queue += graph[node] - set(visited)

    return visited

三、使用隊列實現多線程

在Python中，使用了`Threading`、`Asyncio`等包來開發多線程程序，然而這些包的底層都是使用了隊列來實現多線程操作，這是因為Python中的隊列擁有高並發和高吞吐率的特性，是實現多線程高效的必備利器。

下面是使用有限制的隊列(queue)實現多線程程序的示例代碼:

import queue
import threading
  
q = queue.Queue()

def worker(q, n):
    while True:
        item = q.get()
        if item is None:
            break
        print("任務 %s 開始處理 %s" % (n, item))
        q.task_done()
  
# 啟動線程，開啟多次任務並行處理
threads = []
for i in range(5):
    t = threading.Thread(target=worker, args=(q, i))
    t.start()
    threads.append(t)
  
# 入隊任務
for i in range(20):
    q.put(i)
  
# 阻塞，直到所有任務完成
q.join()

# 停止線程，退出任務
for i in range(5):
    q.put(None)
for t in threads:
    t.join()